UNIVERSIDAD NACIONAL HERMILIO

VALDIZAN
FACULTAD DE INGENIERA CIVIL Y
ARQUITECTURA
ESCUELA ACADEMICA PROFESIONAL DE
INGENIERA CIVIL
***** * *****

DRENAJE

DOCENTE: ING. EVER OSORIO FLORES

TEMA:

CORRELACIN Y REGRESIN

ESTUDIANTES:

-CARNERO SORIA, ALDO LUIS

-LUNA VILLANERA, SALIM

HUNUCO-PER
MAYO-2015

RRELACIN Y REGRESI

definicion
La regresin y la correlacin son dos
tcnicas estrechamente relacionadas y
comprenden una forma de estimacin.
El anlisis de correlacin produce un nmero
que resume el grado de la relacin entre dos
variables; y el anlisis de regresin da lugar
a una ecuacin matemtica que describe
dicha relacin.

Variable
Independiente
(X)

Variable
Dependiente
Tipos de Variables
(Y)

Coeficiente de correlacin

Permite medir el grado de asociacin

entre dos variables linealmente
n = nmero
relacionados.
de pares de datos

Para
poblacin:
Para una
muestra:

nxy

x
y xy n x y

(
x
x
)(
y

y
)
rr
2
2
2
2
xx)S y)( ny nS
(xyS)y )
S x (SnY x (nS

S xy

Siendo:
Desviacin tpica
en x:
Desviacin tpica
en y:
Media en x:

xy((yx yx)2
SSxyyx
nn n

CARACTERISTICAS
La correlacin se encuentra entre (-1X1)
La correlacin puede ser positiva.
La correlacin puede ser negativa.
La correlacin puede ser nula.
PUNTAJE DE
TIPO DE CORRELACION
CORRELACION
CORRELACIONNULA.NEGATIVA.CORRELACION
CORRELACION
Significa
que
individuos
Significa
que
no
POSITIVA:
Significa
que
UTILIDADES(Y)
1.00
Correlacin
negativa
perfecta
GRAFICANDO
que
tienen
puntuaciones
existe dependencia
individuos
que
tienen
6
ALTAS
en
una
variable
0.95
Correlacin
negativa
fuerte
entre
las
variables
ENFERMEDADES(Y)
puntuaciones
ALTAS
en
tienden a obtener
6
VENTAS EN MILLONES(Y)
5
en
laa
unapuntuaciones
variable
tienden
-0.50 BAJAS
Correlacin
negativa moderada
200
otra variable
y viceversa
5
obtener
puntuaciones
4
180
0.10
Correlacin negativa dbil
POR -en
EJEMPLO
UTILIDADES(Y)
ALTAS
la
otra
variable
160
4
VACUNAS(X)
ENFERMEDADES(Y)
CALIFICACION(X)
UTILIDADES(Y)
3
140
ENFERMEDADES(Y)
y viceversa
VENTAS
EN
0.010
Ninguna
correlacin
POR EJEMPLO
0

Tabla de valores del

coeficiente de correlacin

10

9
+ 0.10
9VENTAS EN
MILLONES(Y)
9
9
2
+ 0.50
8
8
5
7
+ 0.95
67

GASTOS EN
MILLONES(X)

6
106
5 5

+ 1.00

120
2 3
100

MILLONES(Y)
Linear
(ENFERMEDADES(Y))
Linear
(VENTAS EN
MILLONES(Y))

1
Correlacin
positiva dbil
1
80
0
1 2
0
50Correlacin
positiva moderada
60
4
120 4
0401
3
Correlacin
positiva
5
6
7
8 fuerte
9
10
11
204
150 3
3

00

14 2 53 positiva
46 5 6
99 10 10
11 11
Correlacin
7 7 8 8 perfecta
5

180 3
5

Coeficiente de
Determinacin.- Es el porcentaje

de la variacin total de la variable

dependiente Y, que es explicada por la
Qu nos indica?:
Ejemplo:
Si
paradel
Y a , bX X.y
variable
0.85
-Bondad
deindependiente
ajuste
modelo lineal rque
mejor
2

entonces
85% de la variable Y
describe la relacin
.
es explicada
por
X y el
15%
es debido
a
-Mas
cantidad de
puntos
estn
cerca
de la lnea
errores
y
otras
variables
no
de
ajuste.
consideradas.

.Anlisis de Regresin.-

rmite determinar la relacin funcional

ntre dos o mas varibles.

Pasos:
Significancia estadstica: Prueba de hiptesis
Seleccin de una funcin de relacin correlativa simple o mltiple,
lineal o no lineal.
2
r
Estimacin
El
valor del
degrado
coeficiente
de
r
correlacin
de correlacin
,
.
Mide(r)
Prueba de significacin
asociacin
de loslineal
estadsticos,
t.
determina
una relacin
entreprueba
las variables.
correlativa

Sin embrago, no indica si esta relacin es

estadsticamente significativa.

Para ello, se aplica la prueba de hiptesis de

parmetro r . Como en toda prueba de hiptesis,
la hiptesis nula H0 establece que no existe una
relacin, es decir, que el coeficiente de
correlacin r es igual a 0. Mientras que la
hiptesis alterna Ha propone que s existe una
relacin significativa, por lo que r debe ser
diferente a 0.

Ho: r = 0 Ha: r 0

Clculo del t calculado (tc) donde

tc

r n2

; n = nmero de pares de valores.

1 r2

Ejm calculo t tabular (tt)

Para n=15 V=15-2=13; para 95% de probabilidad

=1

Probabilidad
= 1-0.95 =0.05
Ubicando 13 en la posicin vertical y 0.05 en la posicin
horizontal en la siguiente tabla

Rpta:
=2.16

Regresin Lineal

Es el modelo ms simple y comn, esta

basado en la suposicin de que dos
variables se relacionan en forma lineal.
Como ejemplo se puede mencionar:

Precipitacin de una estacin, con

precipitacin de otra estacin
Caudal de una estacin con caudal de
otra estacin
Precipitacin con la altitud de una
cuenca

Estimacin de parmetros

.-

los parmetros se calculan con las

siguientes ecuaciones:

yi xi xi yi xi
a
2
2
nxi (xi )
2

n x i y i x i y i
2

nxi (xi )

El mtodo
mas usado
para calcular
a y b es de
minimos
cuadrados.

Ejemplo 7.1.- En una cuenca se

tienen dos estaciones de aforo A y B,
en las que se midieron los caudales
medios mensuales, en m3/s para el
ao 2005 los que se muestran en la
tabla a continuacin:
-Probar si los datos de
B

ambas estaciones se
correlacionan
linealmente.
-Calcular el caudal en la
estacin B, para un
caudal de 800 m3/s en
Solucin
en
la estacin
A.

excel

REGRESION LINEAL
MULTIPLE

Los mtodos de regresin lineal simple, analizados anteriormente, son

aplicables cuando se desea ajustar un modelo lineal al relacionar el valor
de una variable independiente y con el valor de una sola variable
dependiente x. Sin embargo, hay muchos casos en los que una sola
variable independiente no es suficiente.
Esta tcnica, se utiliza cuando la variable dependiente y, es funcin de
dos o ms variables independientes x1, x2, x3,, xm.

y a 0 a1 x1 a 2 x 2 a 3 x3 ... a m x m

Donde:

m = Nmero de variables independientes

a0, a1, a2,,am = parmetros a estimar

p = m+1 = nmero de parmetros

REGRESION LINEAL MULTIPLE PARA DOS

VARIABLES INDEPENDIENTES
Una extensin til de la regresin lineal SIMPLE es el caso en el que y es
una funcin lineal de dos variables independientes. Por ejemplo, y podra
ser una funcin lineal de x1 y x2, como en:

y a0 a1 x1 a2 x2

En este caso bidimensional, la lnea de regresin se convierte en un

plano

REGRESION LINEAL MULTIPLE PARA

DOS VARIABLES INDEPENDIENTES
ESTIMACION DE LOS PARAMETROS PARA 2 VARIABLES
INDEPENDIENTES:
Como en el caso de la regresin lineal usamos el mtodo de los mnimos
cuadrados para hallar los parmetros.
Lineal

2 variables independientes

REGRESION LINEAL MULTIPLE PARA DOS

VARIABLES INDEPENDIENTES
Ejemplo: ajustar los siguientes datos a una ecuacin lineal
mltiple

resolviendo esta ecuacin tenemos:

a0 = 5 a1 = 4 a2 = 3

y =5 + 4x1 3x2

REGRESION LINEAL MULTIPLE PARA m

VARIABLES INDEPENDIENTES
ESTIMACION DE LOS PARAMETROS
Como en el caso de la regresin lineal mltiple de 2 variables
independientes usamos el mtodo de los mnimos cuadrados para hallar
los
y aparmetros.
0 n a1 x1 a 2 x 2 a 3 x 3 ....... a m x m
2

x1 y a 0 x1 a1x1 a 2 x1 x 2 a 3 x1 x3 ....... a m x1 x m
2

x 2 y a 0 x 2 a1x1 x 2 a 2 x 2 a3 x 2 x3 ....... a m x 2 x m

. a x 2
.x m y a 0 x m . a1x1 x m a 2 x 2 x m a3 x3 x m .......
m
m
Al solucionar estas ecuaciones se obtienen los parmetros requeridos.

REGRESION LINEAL MULTIPLE PARA m

VARIABLES INDEPENDIENTES
Error estndar del estimado para regresin mltiple.Es la medida de dispersin:

Se

( y y)
n p

n p

Donde:
Se = error estndar del estimado
y = valores mustrales (experimentales, reales) de la variable dependiente
y a0 a1 x1 a2 x2 ..... am xm
= valores estimados de la variable dependiente con
ecuacin de regresin
e = y - = error entre el valor observado(real) y estimado de la variable
dependiente.
n = nmero de grupos de la muestra
p = m+1 = nmero de parmetros a estimar a partir de la muestra
n p = grados de libertad

REGRESION LINEAL MULTIPLE PARA m

VARIABLES INDEPENDIENTES
Coeficiente de determinacin mltiple
Representa la proporcin de la variacin total de y que es explicada por las
variables involucradas en la ecuacin mltiple.
2

S
R 1 2e
S y
2

R 1

Se

1
2
( y 2 n y )
n 1

Coeficiente de correlacin mltiple

2

S e 12
R (1 2 )
S y
R (1

Se

1
2
( y 2 n y )
n 1

1
2

EJEMPLO
Del estudio de una regin de Costa Rica, se ha obtenido para 14
subcuencas, el caudal promedio anual (de los caudales mximos anuales)
Q, en m3/s, el rea de la cuenca A, en Km2, y la intensidad mxima de
precipitacin I, en cm./ 24h siendo los resultados los que se muestran en la
tabla:

EJEMPLO
DelSe desea saber si estas variables se correlacionan linealmente es decir,
si se puede establecer el modelo:

Q a 0 a1 A a 2 I

Se pide:
1.
Calcular el intercepto a0, los coeficientes de regresin a1, a2 y definir
la ecuacin lineal mltiple.
2.

Calcular , caudal estimado para cada conjunto de valores de A e I.

3.

Calcular los errores ei = Q -

4.

Calcular el error estndar del estimado (Se)

5.

Calcular la varianza de la variable dependiente

6.

Calcular los coeficientes de determinacin y correlacin multiple

7.

Estimar el valor de Q, si A = 4 Km. e I = 1.5 cm./ 24h

SOLUCION

Tenemos:
*

Q 1.656991 13.151048 A 0.011194

2)Utilizando la ecuacin para los valores experimentales, se obtienen los

valores estimados del caudal, los que se muestran en la columna 4 de la
tabla.
3) La diferencia entre el valor experimental y el valor experimentado con la
ecuacin ser el error estos valores se muestran en la tabla

4)De la ecuacin , se tiene:

Se

Se

n p

171.0983
14 3

Se 3.943906

5)De la ecuacin se tiene

2

SQ
2

SQ
2

1
n 1

nQ

1
1996.076 14 21.722857 2
14 1

S Q 1027.20929

6)Ahora se tiene:

R2 1

Se 2
SQ

Se 2 3.943906 2 15.5544
2

S Q 1027.20929
R2 1

15.5544
1027.20929

R 2 0.984858

R 0.9924

7)En la Ecuacin
Q = 1.656991 + 13.151048 A + 0.011194 I
Reemplazando Valores
A=4
I = 1.5
Q = 1.656991 + 13.151048 x 4 + 0.011194 x 1.5
Q = 54.28 m3 /s